货运承运制清算系统数据共享的探索与实践

为实现货运承运制清算系统与运输收入系统和运输统计系统的数据共享,对共享的属性类数据和计算类数据的基本内容进行分析,研究对比共用数据表、Web service和共享数据文件3种共享技术,提出以共享可扩展标记语言(XML, Extensible Markup Language)数据文件的形式实现数据共享,给出了数据共享方案并制定了数据交换机制。经实际应用表明,该方法符合货运承运制清算现状,能够满足承运制清算的数据要求。     

一种动车组转向架装配线电机传动系统健康状态评估优化方法研究

对于动车组转向架装配线,电机传动系统是其关键部分,由于其运行状态的实时监测数据具有无标签性,采用K-Means聚类等无监督式学习算法是解决这类系统健康状态评估的常用方法。针对传统K-Means算法受噪声及孤立点影响较大的缺陷,提出基于局部异常因子算法的优化方法,有效地去除数据噪声点的影响;针对中心点选取过于随机性的缺陷,提出一种基于样本密度的初始中心点选取方法,并且中心点更新是选取距簇中其他样本点方差最小的点,从而改善了聚类效果;利用实际电机传动系统的运行数据对优化的K-Means算法进行验证。实验结果表明:优化后的算法有效提高了聚类质量,很好解决了实际应用环境下的电机传动系统健康状态评估问题。     

智慧城际铁路数据安全治理体系及其关键技术研究

为有效应对网络攻击，在确保数据安全的前提下满足智慧城际铁路数据共享需求，结合当前主流的零信任架构、软件定义边界技术、隐私计算技术及微服务技术，提出基于云端的智慧城际铁路数据治理体系架构，包括数据基座、数据共享平台、数据管控平台和应用服务，能够实现动态的细粒度数据访问控制，满足不同应用场景下差异化数据安全及隐私保护的需求。     

基于位置服务中半可信用户的位置隐私保护方法

随着移动计算和无限设备的蓬勃发展,基于位置服务中的位置隐私保护研究受到了学术界广泛关注。为保护位置隐私,学术界提出了很多匿名算法。但现有这些算法均基于一个假设,即网络中的所有用户均可信。实际上,网络中并不存在任何可信实体,现有基于真实位置生成匿名集的方法应用领域有限。针对此问题,根据用户发出信号强弱判断位置邻近性,提出了一种在k*NNG上的匿名算法,并通过"协作"的方式在不暴露用户任何隐私的前提下生成匿名区域。在不同系统设置下对算法进行实验,实验结果表明,算法在效率和服务质量上取得了较好的平衡。     

一种全部属性聚类和特征属性聚类相结合的无监督异常检测模型

为提高无监督异常检测系统的检测率、误报率和检测效率,将数据集划分为不同的服务集,然后对每个服务集数据包进行全部属性聚类和部分相关属性聚类(即特征属性聚类)并比较训练结果,取其中训练性能较优的方法建立对该服务的检测模型。检测实验表明,本文模型的检测率达到99.21%,误报率降低到2.2%。与不加服务划分的模型相比,本文模型的训练时间和检测时间分别降低为相应模型的21.17%和21.98%。与其他检测算法的比较结果也表明,本文模型在检测率和误报率方面具有更优的性能。     

基于K-Means聚类算法的城市轨道交通站点分类及客流特征分析

文章立足于沈阳市轨道交通站点800 m范围内的人口分布、开发强度、公交接驳、路网长度分布、站点位置属性、站点客流数据等六大维度数据,采用K-Means聚类算法将城市轨道交通站点划分为居住型、商业商务型、综合开发型、产业型、交通枢纽型五大类;基于站点聚类成果,叠合多样化数据分析总结各类站点客流的普适性规律,可为后续站点周边基础设施完善、站点客流预测、车站运营组织方案做出指导。     

基于网格的铁路轨道状态大数据可视化模型

为全面直观地把握轨道健康状态,基于网格化管理思想,提出一种基于网格的铁路轨道状态大数据可视化模型。将铁路线路划分为连续的等长的轨道网格,采用多维尺度分析算法和混合层次K均值聚类算法,对轨道网格健康状态分布进行可视化展现,直观反映各轨道网格健康状态特征的相似性或差异性。选取兰新线1 447个轨道网格的状态数据,验证了模型的有效性。     

基于粗糙集和模糊聚类理论的文本分类系统的研究与实现

随着Internet的发展及广泛应用，越来越多的文本信息以待阅读和处理。文本分类成为众所关注但仍未很好解决的热门课题。本文提出一种基于粗糙集和模糊聚类（RS＆FC）理论的文本分类新模型，详细讨论和分析了该模型的总体设计思想、主要实现技术和有关的算法及实现方案。该模型在分类规则产生之前，以训练样本直接聚类的结果构造信息表，并对表中的连续属性离散化，再对信息表中的特征词属性进行二次聚类，压缩文本特征子集的向量维数，提取关键字特征属性，建立决策信息表，然后利用粗糙集理论，采用启发式约简算法，对信息表进行约简，产生优化的分类规则，指导文本分类。最后通过实验和性能评价，本文提出的分类方法的分类准确率高于传统的K-最近邻分类（K-NN）法，提高了系统的适应性能和分类能力。     

Oracle与Sql Server数据库数据交换中间件的设计与应用

利用Delphi编程软件开发设计中间件触发转录应用程序，通过应用程序建立Oracle与Sql Server数据表的连接，设计临时数据表存储页面，根据应用程序触发时钟的设定和Oracle数据库实时监听功能，实现两套硬件设备、两种应用系统、两类数据库之间的数据共享与转录。     

基于集成学习的城市轨道交通乘客路径选择建模

考虑城市轨道交通路网不同OD间客流构成的异质性,基于数据驱动方法,研究不同OD特性与路径属性组合条件下的乘客路径选择机器学习建模问题,提出将模糊聚类与集成学习相结合的建模方法。运用FCM聚类方法将路网站点划分为若干类别,以模糊聚类结果作为子学习器的划分依据,构建了基于支持向量回归机(SVR)的路径选择子学习器,实现了基于OD类别隶属度对多个子学习器进行组合的路径选择集成预测。该方法既能体现客流特性的差异对路径选择的影响,也解决了难以直接获取乘客属性对建模与预测带来的难题,有效提高了模型准确性。以北京城市轨道交通为案例,对新线开通情况下的路径选择进行预测。     

基于半监督聚类的网络入侵检测算法

入侵检测是维护网络安全的重要技术手段之一.本文提出一种聚类算法:k-cubes,用于网络异常检测.算法采用基于网格的方法对网络连接数据进行预处理,然后以网格为数据处理单位进行聚类,在聚类过程中通过动态合并与分裂自动决定聚类的数目.在此基础上给出了半监督k-cubes聚类算法,并根据聚类的结果生成检测规则.k-cubes聚类算法适合处理高维并且含有多值字符属性的大数据量数据,同时具有输入参数少等特点.在KDD99入侵检测数据集上的实验结果显示,算法获得95.82%的检测率和1.25%的误报率,并且在识别新入侵的能力上,算法检测到17种新入侵中的15种.     

基于MapReduce的时序数据离群点挖掘算法

针对海量数据中离群点的挖掘,将网格聚类和MapReduce编程模型相结合,排除不可能包含离群点的网格,再用LOF算法对剩余网格中的数据进行离群点检测。为了提高网格聚类的检测精度,本文提出了一种基于聚类半径的改进算法。实验表明了该算法的有效性,同时分析了在节点数不同的情况下,网格聚类所用时间,证明了基于MapReduce的网格聚类适合处理海量时序数据。     

基于CEEMDAN与KFCM聚类的转辙机退化状态识别方法

针对道岔转换设备在使用寿命内的功率信号特征提取与退化状态识别问题，提出基于自适应白噪声完备经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）与核模糊C均值聚类（Kernel-based Fuzzy C-Means clustering,KFCM）相结合的转辙机退化状态识别方法。首先，对S700K转辙机采集的功率曲线数据进行模态分解，得到多个固有模态函数（Intrinsic Mode Functions,IMFs），通过IMFs的能量幅值获得表征数据退化过程的特征向量；然后，由KFCM算法对特征向量进行转辙机退化状态识别，并进行状态划分；最后，通过计算分类系数和平均模糊熵对该方法的分类性能进行综合评估，并与模糊C均值聚类（Fuzzy C-Means clustering,FCM）和GK (Gustafson Keseel)聚类算法进行比较。结果表明：该方法聚类效果准确率达95.6%，优于FCM和GK聚类算法，能对转辙机的退化状态进行科学划分，为铁路现场道岔设备健康状态监测提供...     

基于IK-means和CHMM的铁路接触网性能退化评估

了解铁路接触网的退化性能水平有助于保障机车的安全运行.为了提高传统K-means算法聚类的合理性和准确性,引入了密度值因子来提高数据聚类精度,称为IK-means算法.采用IK-means算法对高速铁路接触网进行模式划分,将铁路接触网的退化状态划分成正常状态、轻度退化、中度退化、重度退化和失效状态共5种状态,再采用隐马...     

基于改进熵权聚类SVD的铁路应急救援辅助决策方法

将基于聚类分析与改进距离熵权SVD分解的方法应用到铁路突发事件应急决策中,为具有高维、大量数据特点的铁路突发事件应急救援提供一种实用、快速、智能的辅助决策方法。在对案例特征属性梳理的基础上,提出改进距离熵的权重获取方法。在给出合理选取聚类中心点个数方法的前提下,结合聚类方法和加权SVD分解构建铁路突发事件应急辅助决策模型。通过具体算例说明该方法用于铁路突发事件辅助决策的过程。案例分析表明,基于聚类分析与改进距离熵权SVD分解的方法能够较准确且快速地满足铁路应急决策需求,为铁路突发事件应急辅助决策提供了新方法、新思路。     

基于AFC数据的南昌轨道交通车站精细化分类

为满足城市轨道交通车站精细化客运组织需求,对车站进出站客流特性进行有效的分类管理。结合自动售检票系统(auto fare collection,AFC)采集的进出站客流数据,从车站进出站客流总量及时序特性方面入手,提出一种基于K-means算法的双层规划聚类方法对全线所有车站进行聚类并划分车站类型。首先以车站进出站客运总量为特征指标进行上层聚类,得出不同客运规模的车站大类;然后考虑车站进出站客流的时变特征,根据不同时段内的客流变化特点构建特征向量进行下层聚类,识别车站客流的时序分布特性。研究结果表明：利用本算法得到的分类结果与实际高度吻合,不同类别车站在客运规模和时变特性上差异明显。双层K-means聚类分析算法通过把握客运规模和客流时变特征,对车站进行精细划分,为车站的客运组织提供依据。     

一种基于蚁群算法的聚类组合方法

蚂蚁等群居类昆虫被看作能解决复杂问题的分布式系统,研究者从它们的协作性能以及自组织、信息素通信、任务划分等机理中获得灵感,已在组合优化、通信网络、机器人等许多应用领域找到解决问题的新方法。聚类作为一种无监督的学习,能根据数据间的相似程度自动地进行分类。基于蚁群算法的聚类方法已经在当前数据挖掘研究中得到应用。本文提出的基于蚁群算法的聚类组合新方法,模仿多蚁群的协作性能,将运动速度类型各异的多个蚁群,独立而并行地进行聚类分析,然后组合其聚类结果为超图,再用蚁群算法对超图进行2次划分。实验结果表明,该方法能自动决定聚类的数目,聚类组合方法能明显改善聚类质量。     

基于信息颗粒的城市轨道交通换乘枢纽评价研究

随着城市轨道交通网络的不断扩大,换乘枢纽的地位越来越突出,成为影响轨道交通效率和服务水平的主要因素.分析了换乘枢纽的评价指标体系.由于指标信息数据的不完备性,利用模糊聚类对不完备信息表进行完备化,并引入经典粗糙集理论阐释了信息颗粒的含义,构造了信息颗粒;提出了基于粗糙信息颗粒的属性约简算法,建立了轨道交通换乘枢纽评价模型.通过示例说明了该方法的有效性,并给出了基于给定阈值的置信度评价规则集.     

聚类分析算法改进及其在地铁隧道病害分析中的应用研究

在研究经典聚类分析算法的基础上,对k-means算法进行改进,得到MK-means改进算法。随机选取初始点,运算后会产生不同的聚类结果。把基于图论中最小支撑树思想应用到算法改进中,通过最小支撑树求得最小圈,产生k个初始聚类中心,由达到一定初始聚类阈值的点开始聚类,聚类效果更优,有效克服随机选取初始点的缺点。把改进的算法应用到地铁隧道病害分析评价中,准确划分隧道病害等级,有针对性地提出防治措施,具有一定的实际应用价值。     

基于层次分析法与遗传算法的动车组系统划分方法研究

提出了一种基于模块化理论的系统划分方法,该方法考虑了动车组零部件的功能、使用等基本属性,通过层次分析法明确各零部件的相关关系,得到了综合关系矩阵,建立了系统聚类数学模型。通过种群遗传算法及MATLAB仿真计算,给出了适用于对动车组进行可靠性分析的系统划分结果,根据敏感度分析验证了该算法的可行性和有效性,可为后续动车组可靠性建模提供依据。